Unverified60% confidenceFactExact time
模型崩溃过程中，模型会逐渐丢失数据分布的长尾部分，最终收敛到单调、重复、缺乏多样性的输出
2
Sources
60%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverified若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力76% similarUnverified合成数据的反馈循环会导致模型崩溃，表现为词汇单一化、句子结构趋同、长尾内容消失75% similarUnverified错误的归纳偏置会让模型花费容量拟合数据中不存在的虚假模式，导致分布外数据上严重失效72% similarUnverified用新数据更新模型时可能破坏原有能力，即灾难性遗忘，工业界通过失败案例库、数据增强与混合回放技术来整合新数据71% similarUnverified数据多样性对模型泛化能力的影响往往比数据规模更为根本，仅在特定分布上过度拟合的模型在真实部署时表现骤降71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/900961API
curl https://kongchang.com/api/v1/knowledge/claims/900961MCP
get_claim(id=900961)